本小节演练如何在BitaHub上，通过简单的几步运行一个算法项目：

三个步骤

  • 创建项目
  • 运行任务
  • 查看结果

1. 创建项目

  1. 点击创建项目打开项目创建页面，填写项目名称，比如我们命名为DogVSCat；
  2. 编程语言我们用的是Python3.6，算法框架我们用的是PyTorch1.0，依次选择；
  3. 点击选择数据集按钮，在弹出框里，搜索选择DogVSCat数据集；
  4. 点击模型下拉框，选择公开模型，在弹框中选择ResNet模型；
  5. 点击上传代码按钮，将前一个小节我们提供的代码解压后上传；
  6. 点击创建项目，即可完成项目的创建，系统完成创建后，会自动跳转到运行任务；

img

2. 创建任务

  1. 进入创建任务界面后，系统会默认设定一个配置，这里我们就用推荐配置即可；

  2. 启动命令文本框，是用于输入我们任务的启动命令，在本次的演示项目中，我们输入指令如下：

    python dogcat_train.py --arch resnet34 --model /model/bitahub/ResNet/resnet34.pth --train_dataset /data/bitahub/DogVsCat/train --trainval_dataset /data/bitahub/DogVsCat/trainval

    其中：

    代码文件是dogcat_train.py，后面附带参数选项：

    --arch：代表网络结构；

    --model：代表本次选择的模型文件路径；

    --train_dataset和--trainval_dataset：分别代表训练集和验证集的文件路径；

  3. 点击保存并运行任务按钮，即可提交本次运行任务；

3. 查看结果

在上一步骤提交运行任务后，系统会跳转到该项目的任务列表，这里会展示本项目所有的运行任务：

从上图中点击本次任务的查看按钮，进入任务详情页面：

在上图中，我们可以看到任务配置和运行过程中生成的日志，你也可以切换到图表界面，查看任务运行过程中的资源使用情况；

4. TensorBoard可视化分析

BitaHub平台中运行的任务，可以通过TensorBoard来进行可视化分析，需要如下操作：

  1. 在代码中使用tensorboardX（或pytorch中的torch.utils.tensorboard）将数据写入到指定目录/output/logs中；
  2. 在任务列表界面的操作菜单点击TensorBoard按钮查看；

关于TensorBoard面板如何使用，参考文档：https://www.tensorflow.org/tensorboard?hl=zh-cn

results matching ""

    No results matching ""